如何使用 Python 从推特推文中删除图片 URL

Question

我有一个来自 twitterscraper 的数据框，我正在尝试从文本中删除图片 URL

输入：大家好，有一个美好的一天。 pic.twitter.com/Z1yG39NO

输出：大家好，有美好的一天。

df['text'] = df['text'].apply(lambda x: re.split('https:\/\/.*[\r\n]*', str(x))[0]) 

我使用此代码，但它只能删除 https：

谢谢 ：-）

Answer 1

import re
def cleaning_PicURL (text):
    text = re.sub(r'pic.twitter.com/[\w]*',"", text)
    return text

df['text'] = df['text'].apply(lambda x: cleaning_PicURL(x))

使用上面的代码它将从文本中删除图片 URL，这里split函数会将文本拆分为匹配的正则表达式模式并给我们一个列表。 在推文中，您可能不确定图片 URL 的位置，因此使用sub函数而不是split函数更相关，因为sub函数会直接删除匹配的空字符串文本，它可以轻松完成工作你。 正则表达式模式pic.twitter.com/[\\w]*将有助于匹配文本中的所有 twitter 图片 URL。 希望这可以消除您的疑虑。

例子：

re.sub(r'pic.twitter.com/[\w]*',"", "test pic.twitter.com/va4nFjFQ5B")
'test '

Answer 2

做这个 ：

df['text'] = df['text'].str.replace(r'pic.twitter.com(.*?)\s(.*)', '')

(.*?)\\s(.*)将此用于每个帖子特定的 url 的其余部分